Penelitian ini mengkaji penerapan algoritma K-Means untuk meningkatkan efisiensi manajemen persediaan di perpustakaan. Menghadapi tantangan dalam memenuhi kebutuhan stok yang kritis, algoritma K-Means dipilih karena keunggulan dalam kemudahan implementasi dan kecepatan eksekusi. Dengan menggunakan metode K-Means dan pendekatan RFM (Recency, Frequency, Monetary), penelitian ini berhasil mencapai akurasi pengelompokan barang sebesar 70%, sedangkan tanpa RFM, akurasi meningkat menjadi lebih tinggi. Analisis ini mengindikasikan efektivitas algoritma K-Means dalam klasifikasi dan prediksi kebutuhan stok, memberikan wawasan untuk pengelolaan persediaan yang lebih baik. Penelitian ini memberikan kontribusi terhadap pemahaman bagaimana teknik data mining dapat dimanfaatkan untuk memperbaiki dan meningkatkan keputusan manajemen persediaan di sektor perpustakaan, dengan potensi aplikasi pada sektor lain.